阶跃星辰开源3D大模型 Step1X-3D，可生成高保真、可控的 3D 内容

5月14日消息，阶跃星辰正式发布并开源3D大模型——Step1X-3D，这是继图像、视频、语音、音乐等模态后，阶跃星辰在多模态方向的最新成果。Step1X-3D模型总参数量达4.8B（几何模块1.3B，纹理模块3.5B），凭借坚实的数据基础与先进的3D原生架构，可生成高保真、可控的3D内容。阶跃星辰称，Step1X-3D不止于视觉“好看”，更追求实现“好用”与“可控”，旨在为3D内容创作提供强大而可靠的技术引擎。
阶跃星辰公布了完整的数据清洗策略，数据预处理策略，以及800K高质量的3D资产，3DVAE、3DgeometryDiffusion以及textureDiffusion的全链路训练代码开源，助力3D生成社区发展。开源链接与体验地址：GitHub：https://github.com/stepfun-ai/Step1X-3DHuggingFace：https://huggingface.co/stepfun-ai/Step1X-3DModelScope：https://www.modelscope.cn/models/stepfun-ai/Step1X-3DTechReport：https://arxiv.org/pdf/2505.07747附官方给出的核心特性与技术支撑如下：Step1X-3D尝试解决3D内容生成的关键挑战，在数据、生成质量与可控性上进行了创新实践。

1、数据驱动与算法协同优化

好数据是好模型的基础。Step1X-3D对超500万原始数据进行严格筛选与处理后，建立了包含200万高质量、标准化的训练样本库，有效克服了行业数据稀缺与质量参差的瓶颈。

数据处理流程示意图

此外，Step1X-3D通过增强型网格-SDF转换技术等方法，从源头保障了模型学习的精准性与最终生成的高效性，让水密几何转换成功率提升了20%，也让Step1X-3D拥有了强大的泛化能力与细节捕捉力。

Step1X-3D数据筛选与SDF转换流程示意图2、3D原生生成：结构清晰、细节生动

Step1X-3D采用先进的3D原生两阶段架构，解耦几何与纹理表征，确保生成的不仅是视觉“皮囊”，更是结构可靠、可供下游应用的“骨架”，有效规避几何失真，保证生成的准确性、真实感与一致性。

Step1X-3D的原生3D架构

几何生成模型基于FLUXMMDiT结构和Rectifiedflow算法直接对3D表示生成进行建模

纹理生成模型基于预训练的Diffusionmodel，通过单视图和3D几何信息指导，生成多视角一致的纹理信息

几何塑形更精准

几何生成的核心在于采用为3D特性深度优化的创新混合VAE-DiT架构。该架构负责生成TSDF内部表示，确保产出的3D模型结构完整、无破面漏点；同时通过引入锐利边缘采样（SharpEdgeSampling）等技术，精准捕捉并还原物体的丰富几何细节。

几何示例：覆盖硬边与曲面结构

纹理细节更生动

纹理生成则基于强大的SD-XL模型进行深度定制与优化。通过几何条件（利用法线与位置信息）的精准引导，以及潜在空间多视图同步技术，实现了与几何模块的高效协同。确保生成的纹理不仅色彩饱满、质感生动逼真，更能跨越多视图保持高度一致，与复杂三维表面精密贴合，有效避免常见的扭曲与接缝瑕疵。

纹理示例：呈现清晰一致的表面纹理3、控制简单、效果可调

Step1X-3D显著提升了3D内容生成的可控性与易用性。其关键在于，VAE-Diffusion整体架构在设计上与主流2D生成模型（如StableDiffusion）保持了高度一致性，从而能够无缝引入并应用成熟的2D控制技术（如轻量化的LoRA微调）。因此用户可以对生成3D资产的对称性、表面细节（如锋利度、平滑度）等多种属性进行直观、精细的调控，让创作更精准地符合用户意图。

对比图1：对称性控制效果

对比图2：表面细节控制效果（锋利/平滑）

性能评估

为了客观评估Step1X-3D的实际效果，我们通过一个自建的综合测试（包含110个多样化测试用例），对Step1X-3D进行了严格的定量与定性评估，同时与多款主流模型进行全面对比。结果显示：在自动评估中，Step1X-3D在多项关键维度上均表现出色。
在与主流3D模型的对比评测中，特别是在衡量内容与输入语义一致性的核心指标CLIP-Score上，Step1X-3D取得了当前所有对比模型中的最高分，为开源社区提供了极具竞争力的3D生成方案。

不同3D模型测评对比数据

OnlineDemo：https://huggingface.co/spaces/stepfun-ai/Step1X-3D